Teknik Analisis dan Uji Hipotesis

42 dari berbagai data sekunder yang diperoleh melalui berbagai instansi-instansi dan badan-badan yang terkait.

3.2.3. Sumber Data

Data penelitian diperoleh dari Badan Pusat Statistik Propinsi Jawa Timur, Bank Indonesia dan www.idx.co.id dan PRPM Bursa Efek Surabaya.

3.4. Teknik Analisis dan Uji Hipotesis

Dalam penelitian ini menggunakan analisis ekonometrika, yang sebenarnya merupakan perluasan dari analisis regresi yang disesuaikan dengan kebutuhan ekonomi Ananta, 2001: 2. Analisis ekonometrika berusaha mencari hubungan sebab akibat antara 2 atau lebih variabel yang sangat berguna untuk mengestimasi model persamaan regresi dengan menggunakan model OLS Ordinary Least Square atau metode kuadrat terkecil. Model analisis yang digunakan dalam penelitian ini adalah: Y =  +  1 X 1 +  2 X 2 +  3 X 3 +  4 X 4 +  5 X 5 +  6 X 6 +  Keterangan: Y = Suku bunga tabungan X 1 = Likuiditas perekonomian X 2 = Inflasi X 3 = Pertumbuhan ekonomi X 4 = CAR 43 X 5 = ROA X 6 = LDR  = konstanta  1-6 = koefisien regresi  = faktor galat Asumsi yang digunakan metode ini didasarkan pada beberapa asumsi regresi linear klasik, yaitu Supranto, 1984:1 : 3.4.1. Uji Gejala Penyimpangan Asumsi Klasik.

3.4.1.1. Multikolinieritas

Multikolinierlitas berarti Gujarati, 1997: 157-158 adanya hubungan menjelaskan dari model regresi. Idetifikasi secara statistik untuk mengetahui ada atau tidaknya gejala mutikolinier dapat dilakukan dengan menghitung nilai VIF Varience Inflation Factor. VIF menyatakan tingkat pembengkakan varians, apabila nilai VIF lebih besar dari 10 maka ini berari terdapat multikolinier pada persamaan regresi. 3.4.1.2. Autokorelasi Autokorelasi merupakan korelasi antara anggota serangkaian observasi yang diurutkan berdasarkan waktu time series atau yang diambil pada waktu tertentu cross sectional yang didalam konteks regresi linier klasik 44 mengasumsikan bahwa autokorelasi seperti itu tidak terdapat dalam distribusi atau ganguan ei Gujarati 1997:201. Pengujian autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier klasik antar keaslahan pengganggu pada periode t dengan periode t-1 sebelumnya. Identifikasi gejala autokorelasi dapat dilihat pada kurva di bawah ini: Gambar 1: Kelompok Daerah Dalam Uji D-W Kriteria pengujian adanya Autokorelasi menurut Gujarati 1997: 216: 4-dU DW 4-dL d dU = dL Ada Autoko relasi Positif Daer ah Kritis Daerah Ketidak- pastian atau keragu- raguan Tidak Ada Autokorelasi positif dan tidak ada Autokorelasi negatif Daerah Ketidak- pastian atau keragu- raguan Daer ah Kritis Menolak H Tidak Menolak H Menolak H Ada Autoko relasi Neg a tif d Sumber: Gujarati 1997: 216 f d 1. Angka D-W dibawah –2 ada autokorelasi positif 2. Angka D-W diatas +2 ada autokorelasi negatif 3. Angka Berada diantara –2 sampai +2 Tidak ada Autokorelasi atau Membandingkan dengan Tabel Durbin Watson 45 3.4.1.3. Heteroskedastisitas Untuk menguji ada tidaknya heteroskedastisitas, pada regresi linier tidak boleh ada hubungan dengan variabel bebas. Hal ini didefinisikan dengan cara menghitung korelasi Rank Spearman antara residual dengan seluruh variabel bebas, apabila tingkat signifikan korelasi Rank Spearman lebih besar dari 0.05 maka tidak heteroskedasitsitas, untuk mengidentifikasi ada atau tidaknya heteroskedasitas secara statistik dapat diketahui dengan melihat korelasi Rank Spearman. Gujarati, 1997: 157-158.

3.4.2. Uji Hipotesis

A. Uji F Uji secara simultan

Untuk melihat pengaruh secara simultan seluruh variabel bebas secara bersama-sama terhadap variabel terikat dengan prosedur sebagai berikut : 1. Ho : β 1 = β 2 = β 3 = 0, tidak ada pengaruh yang signifikan X 1, X 2, X 3, X 4, X 5, dan X 6 terhadap Y Hi : salah satu dari β 1 ≠ 0, ada pengaruh yang signifikan X 1, X 2, X 3, X 4, X 5, dan X 6 terhadap Y 2. Level of significant = 5 3. Kriteria pengujian sebagai berikut: a. Jika F hitung ≥ F tabrl maka H ditolak dan Hi diterima yang berarti bahwa variabel bebas secara simultan berpengaruh signifikan terhadap variabel terikat. 46 abel terikat. b. Jika F hitung ≤ F tabel maka H diterima dan Hi ditolak yang berarti bahwa variabel bebas secara simultan tidak berpengaruh signifikan terhadap variabel terkait. B. Uji t Uji secara parsial Untuk melihat pengaruh masing-masing variabel bebas secara parsial terhadap variabel terkait. 1. Ho : β 1 = 0, tidak ada pengaruh yang signifikan variabel bebas terhadap variabel terikat. Hi : β 1 ≠ 0, ada pengaruh yang signifikan variabel bebas terhadap variabel terikat. 2. Level of significant = 5 3. Kreteria pengujian sebagai berikut : a. Jika t hitung -t tabel atau t hitung t tabel maka H ditolak dan Hi diterima yang berarti bahwa variabel bebas secara parsial berpengaruh signifikan terhadap vari b. Jika –t tabel ≤ t hitung ≤ t tabel maka H diterima dan Hi ditolak yang berarti bahwa variabel bebas secara parsial tidak berpengaruh signifikan terhadap variabel terikat.

BAB IV ANALISIS DAN PEMBAHASAN